Invest with AI 第7期节目封面 ｜ 图源：Fundamental Edge
买方培训机构Fundamental Edge的播客「Invest with AI」第7期，请来了Hudson Labs创始人兼CEO Kris Bennatti——CPA会计师出身、创业前在公司治理咨询公司做数据科学家的加拿大创业者。这期56分钟的对谈只围绕一个金融AI最不性感、也最要命的问题：精度。她的团队刚刚上线了一个业内没人敢跟的东西——"无幻觉保证"，每查实一条幻觉，赔50美元。她的原话是："我相信我们是市场上唯一敢做无幻觉保证的公司——这本身就能让你感受到，普通金融AI软件里藏着多大的风险。"
先看速览 • Hudson Labs测试所有最先进大模型：追溯超过4-8个报告期取财务指标，约30%概率拿到错数；官方benchmark里GPT-5多期查询正确率68%，Perplexity Pro 25题全错 • 幻觉的教科书定义：模型不知道答案、而且不知道自己不知道——超出舒适上下文范围时最高发 • 解法在检索层不在生成层：向量数据库+元数据声明（KPI/时态/情绪），5年期重述调整后数字零幻觉，才敢"每条赔50美元" • 情绪成为可检索字段：可以直接筛"最焦虑的CEO"——纯关键词搜索做不到的查询 • 法证风险分（2019年上线）：定性红旗量化+ML定权重；得分≥70约三分之一概率遭SEC执法，高风险公司吃集体诉讼概率是常规3倍 • "2026年，integrate or die"：分析师会写代码、只买有API的产品；同一数据集自家架构跑100美元，直接调Opus API要1.3万美元 • 她给客户的反营销忠告："短期内把订阅都用到顶吧，这些价格不会一直存在" |
30%这个数字是怎么来的
先把这期播客最扎眼的数字讲清楚。Bennatti说，团队几个月前对当时所有最先进的大模型做了测试：只要你要的财务指标向前追溯超过4到8个报告期，大约30%的概率会拿到一个错误的数字。不是刁钻问题，就是"过去几年营收多少"这种分析师每天都在干的常规活。
84% Hudson Labs Co-Analyst多期查询正确率 | 68% GPT-5多期查询正确率 | 0/25 Perplexity Pro25题全错 |
Hudson Labs公开发表过的benchmark和这个说法对得上：25个多期查询任务里，自家Co-Analyst对了21个，GPT-5对了17个，Perplexity Pro全军覆没——报告里的说法是，它会"基于趋势"编造数字来填空。让AI"看起来有答案"和"答案是对的"之间，隔着一整个行业。
为什么会这样？Bennatti引用了联创Suhas Pai在O'Reilly教材《Designing LLM Applications》里的定义：幻觉发生在模型不知道答案、而且不知道自己不知道的时候。超出舒适的上下文范围，模型拿不到它需要的信息，又意识不到自己没拿到，于是开始编。而金融检索恰恰是最容易触发这个状态的场景——她举的例子很具体：你要的是某个子分部的9个月数字，检索回来的却混着合并口径的3个月数字，20份新闻稿里满是长得一模一样的"营收"。
"无幻觉保证"：赌的不是模型，是管道
那Hudson Labs怎么敢赔钱？答案是整套AI架构，而不是最后那一步生成。文件进来先过预处理：每个句子、段落转成向量存进数据库，并挂上元数据声明——这是不是KPI、说的是过去还是未来、情绪是什么。查询时模型不是在原文里大海捞针，而是被引导到已经标注好的信息上；如果预期的信息没取到，系统直接报错，而不是让模型自由发挥。
这套管道支撑的承诺范围很明确：5年期、经重述调整（restatement-adjusted）的管理层披露数字，每查实一条幻觉赔50美元（2026年6月17日正式上线）。保证的边界画得同样清楚——通过MCP接入使用时不提供保证，因为上面还压着另一个非确定性的模型，"它有时会引入我们和你都没预料到的东西"。精度是端到端的属性，链条上多一环，承诺就得撤一档。
顺带，她把NotebookLM"感觉更准"的秘密也拆了："它不是上下文窗口更大，只是搜索更好。"
当情绪变成可检索的字段
向量库+元数据这套后端，还解锁了一类纯搜索永远做不到的查询。Hudson Labs的embedding里带情绪标注，所以你可以直接筛："谁是最焦虑（stressed-out）的CEO？"关键词搜索怎么搜"焦虑"？没有这个词可搜。但如果压力、回避、挫败感在入库时就被标成了字段，它就成了和市盈率一样可以横向比较的数据。
规模是这套打法的第二层价值：5200万个数据点的向量库，覆盖上万家公司。Bennatti对通用模型的长期判断也建立在这里——她坦率承认，未来五年通用模型会在单公司精度上追上来，"十年后我们不可能还靠精度竞争"；但跨1万到2万家公司的高精度检索、筛选、数据集构建，是暴力法喂上下文永远啃不动的（她的说法是，大机构现在"每两周烧3万美元"用暴力法造数据，问题不只是贵，是漏——用Claude直接查会计政策变更，"你会漏掉太多东西，因为它们很难被找到"）。
法证风险分：把"CFO跑了"变成一个数
Bennatti是会计师，Hudson Labs起家的产品是法证风险分（forensic risk score）。她对传统欺诈预测的批评很生动：应收账款周转天数、应计项目这些财务指标能抓到欺诈公司，但同时抓进来一大堆正常公司，噪音太大。
"你给老板pitch一个做空标的时，不会说'DSO上升了X%'。你会说：CFO辞职了、他们把产品卖给CEO他妈、表外藏着几百万美元的债、市场为一份合同兴奋，但那其实是关联方合同。"
Hudson Labs做的就是把这些以前只能靠人肉翻披露的定性红旗——管理层诚信、高层更替、分部披露口径变更次数、激进会计政策、表外风险、关联交易、治理结构——用LLM转成数学化的风险表示，再用机器学习在"有SEC调查或欺诈类集体诉讼和解记录"的公司库上训练权重。一个反直觉的发现：ML学出来的权重和人类做空者的直觉常常不一致；另一个冷知识：双层股权结构同时高度预测增长和欺诈。
战绩可以量化：风险分2019年上线，高风险公司遭遇证券集体诉讼的概率是常规公司的3倍；得分70以上的公司，约有三分之一最终面临SEC执法行动——Bennatti补了一句，剩下三分之二"大概率也是欺诈，只是没被SEC盯上"。官网还晒过一个案例：SMCI（超微电脑）的法证风险分早在2019年就已偏高，关联交易红旗（CEO梁见后与其兄弟的公司互售组件）远早于2024年8月兴登堡的做空报告。
Integrate or die：2026年金融AI的生死线
谈到商业模式，Bennatti给出了这期播客的题眼：
"2026年，integrate or die（要么被集成，要么死）。未来的分析师是会写代码的，他们在搭自己的工具。我自己就偏技术——我永远不会买一个没有API的产品。"
但市场是分叉的。一头是主持人Brett Caughran这样的重度用户，用skills和agent工作台把Hudson Labs当积木拼进自己的投研流程；另一头是只被允许用Copilot的大企业客户，反而希望Hudson Labs成为它们的"单一玻璃面板"，把各处信息收进来。所以策略是双向连接器：既做出口（API/MCP，被别人集成），也做入口（把别的数据接进来）。
成本经济学是这个判断的底层。同一个数据集，Hudson Labs用自家长时agent架构跑一遍成本约100美元；直接怼Opus API，"你会一不小心花掉1.3万美元"。她给客户的忠告干脆是反营销的："短期内把订阅都用到顶吧，这些价格不会一直存在。"当补贴退潮、价格上涨，行业的注意力会被迫从顶层模型转向AI架构——数据怎么存、从哪取、怎么省着用。开源工具和自建模型路由的兴起是同一个逻辑：大银行宁可自建router也不依赖别人的MCP，"用AI这件事，说到底是控制自己的结果、自己做选择"。
一个具体的受害者已经出现：量化基金。风险分这类产品每次架构升级都要重跑10年历史数据，成本几十万美元起——"我们都以为LLM对量化基金是天赐，结果发现最先进的功能只供得起不需要10年回测的人"。
大模型还漏什么：动词时态
结尾处Bennatti留了一个让人哭笑不得的技术细节。两年前他们做了一个管理层指引（guidance）提取模型，当时以为护城河最多9个月。结果到今天，最先进的大模型提取"软指引"仍然会漏——因为LLM判断一句话说的是过去还是未来时，盯着动词的时态。而American Eagle这类公司偏偏爱说"CapEx is now expected to be…"（资本开支现在预计为……）。时态是现在时，内容是未来指引，模型就放过去了。她自嘲说，在播客上讲出来之后"明天大概就被修复了——不过Invest with AI总共也就10个听众"。
考虑到各家大模型厂商都在猛投金融专项训练（Anthropic的金融日披露过金融是仅次于科技的第二大垂直），这个细节的存活本身就是个信号：金融语料的长尾坑，比模型厂想的深。
我的思考：第一个为幻觉赔钱的公司，是第一个把AI当金融产品卖的公司 这期播客最值得抄的不是技术方案，是定价姿势。整个金融AI行业都在卖"能力"——更快的摘要、更炫的问答；Hudson Labs卖的是"责任"：错一条，赔50美元。金额小到近乎象征性，但它把AI输出从"参考信息"变成了带SLA的金融数据产品——这是彭博终端、标普数据库们用几十年建立的商业语言，机构客户只为这种语言掏钱。反过来看，敢赔钱的前提是把不确定性从生成层挤到检索层，让系统"宁可报错、绝不编造"。国内做金融大模型的团队不妨自问一句：你的产品，敢为每条幻觉赔5块钱吗？在金融行业，AI的天花板从来不是聪明程度，是错误的价格。 |
本文参考：Invest with AI播客（Fundamental Edge）第7期，Hudson Labs CEO Kris Bennatti: Financial AI Still Gets the Numbers Wrong，2026年7月24日
https://www.fundamentedge.com/invest-with-ai-episodes/07
本文基于Buzzsprout官方全文转写稿写作（机器转写，个别专有名词以音频为准）。"30%错误率"为嘉宾在节目中引述的内部测试，未见独立发表；最接近的公开佐证是Hudson Labs官方benchmark（GPT-5多期查询正确率68%）。另参考：Hudson Labs官网No-Hallucination Guarantee公告（2026年6月17日）、Co-Analyst benchmark博客、Forbes对Hudson Labs的报道（Noah Barsky）。
关注【AI掘金师】，每周追踪最值得读的AI×金融动向。
